文献

J-GLOBAL ID：202102284682851425   整理番号：21A2453619

地滑り感受性を予測するための新しいクレダル決定木に基づくアンサンブルアプローチ【JST・京大機械翻訳】

Novel Credal Decision Tree-Based Ensemble Approaches for Predicting the Landslide Susceptibility

著者 (8件)： Arabameri Alireza (Department of Geomorphology, Tarbiat Modares University, Tehran 14117-13116, Iran) ,  Karimi-Sangchini Ebrahim (Soil Conservation and Watershed Management Research Department, Lorestan Agricultural and Natural Resources Research and Education Center, AREEO, Khorramabad 6815144316, Iran) ,  Pal Subodh Chandra (Department of Geography, The University of Burdwan, West Bengal 713104, India) ,  Saha Asish (Department of Geography, The University of Burdwan, West Bengal 713104, India) ,  Chowdhuri Indrajit (Department of Geography, The University of Burdwan, West Bengal 713104, India) ,  Lee Saro (Geoscience Platform Research Division, Korea Institute of Geoscience and Mineral Resources (KIGAM), 124, Gwahak-ro Yuseong-gu, Daejeon 34132, Korea) ,  Lee Saro (Korea University of Science and Technology, 217 Gajeong-ro Yuseong-gu, Daejeon 34113, Korea) ,  Bui Dieu Tien (Institute of Research and Development, Duy Tan University, Da Nang 550000, Vietnam)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 20  ページ： 3389  発行年： 2020年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 地すべりは自然資源を破壊し,人間の生命の持続的損失につながる可能性がある,自然でしばしば準正規の脅威である。したがって,有害影響を緩和するためには地滑り感受性マップの作成が必要である。本研究の重要な目的は,イラン,Alborz省のTeleghan盆地の地滑り感受率マップを開発することであり,これはハイブリッド機械学習(ML)アルゴリズム,すなわち,地滑り感受率評価の事例でほとんど使用されていない最先端のソフトコンピューティング技法である, cr decision決定木(CDT),代替決定木(ADTree),およびそれらのアンサンブル法(CDT-ADTree)のk-倍交差検証とML技法である。本研究では,22の鍵となる地滑り原因因子(LCFs)を,局所地形学的および地球環境的影響に基づいて,地滑りへのそれらの空間的関係を探究するために考慮した。ランダム森林(RF)アルゴリズムを,地滑り感受性の傾向がある異なるLCFsの変数重要度の同定に用いた。曲線下面積(AUC),精度,およびロバスト性指数による受信者動作特性(ROC)曲線を用いて,地滑り感受性モデルを評価し,比較した。モデル性能の出力は,CDT-ADTreeモデルが,CDTとADTreeモデルの独立モデルより,AUC,精度,および精度がそれぞれ0.981,0.837,および0.867である地滑り感受性のためのよりロバストなモデルであることを示した。したがって,CDT-ADTreeアンサンブルモデルは,更なる研究における地滑りの空間的予測のための新しい有望な技術として適用できると結論付けられる。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  地球 ,  *地滑り ,  感受性 ,  イラン・イスラム共和国 ,  地形学 ,  *ディシジョンツリー ,  環境影響 ,  ロバスト性 ,  盆地 ,  血中濃度-時間曲線下面積 ,  機械学習
準シソーラス用語： ソフトコンピューティング ,  ランダムフォレスト ,  アンサンブル法 , 【Automatic Indexing@JST】

著者キーワード (4件)： 地滑り感受性 ,  CDT-ADTree ,  k重交差検証 ,  ロバスト性指数

分類 (2件)： 斜面安定,掘削変形  (RA03070L) ,  写真測量,空中写真  (RC02040D)

引用文献 (87件)：

• Oh, H.-J.; Lee, S. Shallow landslide susceptibility modeling using the data mining models artificial neural network and boosted tree. Appl. Sci. 2017, 7, 1000.
• Pourghasemi, H.R.; Jirandeh, A.G.; Pradhan, B.; Xu, C.; Gokceoglu, C. Landslide susceptibility mapping using support vector machine and GIS at the Golestan Province, Iran. J. Earth Syst. Sci. 2013, 122, 349-369.
• Varnes, D.J. Landslide Hazard Zonation: A Review of Principles and Practice; Natural Hazards Serial; Unesco: Paris, France, 1984.
• Arabameri, A.; Pourghasemi, H.R.; Yamani, M. Applying different scenarios for landslide spatial modeling using computational intelligence methods. Environ. Earth Sci. 2017, 76, 832.
• Pham, B.T.; Prakash, I.; Singh, S.K.; Shirzadi, A.; Shahabi, H.; Tran, T.-T.-T.; Bui, D.T. Landslide susceptibility modeling using Reduced Error Pruning Trees and different ensemble techniques: Hybrid machine learning approaches. Catena 2019, 175, 203-218.

タイトルに関連する用語 (5件)： 地滑り ,  感受性 ,  予測 ,  決定木 ,  アンサンブル